[发明专利]基于候选区域提取网络的毫米波人体图像检测方法在审
| 申请号： | 201910636598.6 | 申请日： | 2019-07-15 |
| 公开（公告）号： | CN110533025A | 公开（公告）日： | 2019-12-03 |
| 发明（设计）人： | 邢孟道;李梦雅;张金松;孙光才 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/34;G06K9/62;G06T7/136;G06N3/04;G06N3/08 |
| 代理公司： | 61230 西安嘉思特知识产权代理事务所(普通合伙) | 代理人： | 张捷<国际申请>=<国际公布>=<进入国 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于候选区域提取网络的毫米波人体图像检测方法，包括：收集安检中不同类型的目标图像，并标记所述目标图像，组成毫米波图像数据集；采用卷积神经网络，对所述毫米波图像数据集进行模型训练，以形成目标分类网络并得到目标分类网络的参数；采用阈值分割方法检测并标记人体位置；根据所述目标分类网络的参数，采用Faster R‑CNN算法检测毫米波图像的隐藏目标；采用兴趣区域池化算法对提取的特征图进行预处理；采用目标分类网络利用候选区域特征图的高维特征对目标进行分类。本发明的方法能够有效解决传统检测算法不适用于安检场合下的人体检测的问题，并且显著提高目标检测的准确度。 | ||
| 搜索关键词： | 目标分类 毫米波图像 候选区域 目标图像 数据集 特征图 安检 算法 网络 预处理 卷积神经网络 毫米波 准确度 传统检测 模型训练 目标检测 人体检测 人体图像 人体位置 算法检测 网络利用 兴趣区域 隐藏目标 有效解决 阈值分割 检测 池化 高维 分类 | ||
【主权项】：
1.一种基于候选区域提取网络的毫米波人体图像检测方法，其特征在于，包括：/nS1：收集安检中不同类型的目标图像，并标记所述目标图像，组成毫米波图像数据集；/nS2：采用卷积神经网络，对所述毫米波图像数据集进行模型训练，以形成目标分类网络并得到目标分类网络的参数；/nS3：利用阈值分割方法检测并标记输入的毫米波图像的人体位置，得到毫米波人体图像；/nS4：根据所述目标分类网络的参数，利用Faster R-CNN算法对所述毫米波人体图像进行处理，得到特征图和目标候选框；/nS5：利用兴趣区域池化算法对所述特征图进行处理，输出固定尺寸的处理图像；/nS6：利用softmax回归计算所述目标候选框的目标分类结果的置信概率，同时获取所述目标候选框在所述处理图像的位置，输出图像检测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安电子科技大学，未经西安电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910636598.6/，转载请声明来源钻瓜专利网。
